이것은 예측을 사용하는 방법입니다. 그런 다음 한 사람이 예측을 했지만 어떻게 해야 할지 모릅니다. 나는 이미 다소 차분한 시장에서 대략 그러한 모델이 정상적으로 쟁기질한다고 썼습니다. 그러나 나는 오랫동안 높고 낮음을 찾는 것에 대해 더 걱정했습니다)))) 그래서 개인적으로 화면의 내 버전은 쓰레기입니다.
모델의 특성: 비정상 프로세스의 경우 비선형. 적응형: 선택할 수 있는 AIC 모델은 실제로 18개입니다. 하지만 48바 역사에서 이 선택은?! 창 크기를 줄여야 하는데 창 크기를 선택하는 기준을 모르겠습니다.
두 가지 옵션을 시도할 수 있습니다. 예측이 실제 값보다 높고 예측이 이전 예측보다 높습니다.
움직임이 올바른 방향으로 더 많이 퍼질 것이라는 확신이 필요합니다.
테스터는 어떻습니까? 그것이 그가 발명 된 것입니다.
여기서 칩이 다릅니다. 귀하의 공예품은 curvafitters 범주에 속하므로 모델이 거의 0과 관련될 가능성이 자동으로 줄어듭니다.
보라색 예측, 이전 네트워크의 초안 버전입니다.
EcoModel , 당신의 결과는 저를 기쁘게 하지 않았습니다. 나는 기존의 신경망과 비슷한 곡선을 얻었습니다. 그러나 이익이 없었습니다. 그래서 그들은 많은 말을 하지 않습니다.
조언자 없이 - 아무데도: 이 "거의 일치하는" 곡선을 보고 그것을 성배 라고 생각한다면 어떤 결과도 얻지 못할 것입니다.
1. 예측과 현실의 차이를 탐색하고 합리적인 손절매를 선택하고 이익을 취하여 시스템을 수익성 있게 만들기 위해 실험적으로 (통계적 정당성이 있는 더 나은) 시도합니다.
2. 또 다른 옵션: 한 단계가 아니라 몇 단계를 예측하려고 합니다. 그런 다음 위의 첫 번째 항목을 수행합니다.
추신: 곧 누가 올지 압니다... 더 재미있을 것입니다.
나는 기존의 신경망과 비슷한 곡선을 얻었습니다.
이것은 사실입니다. 노란색은 예보입니다. oos 세로 검은색 뒤에 ...
테스터는 어떻습니까? 그것이 그가 발명 된 것입니다.
여기서 칩이 다릅니다. 귀하의 공예품은 curvafitters 범주에 속하므로 모델이 거의 0에 가까워질 가능성이 자동으로 줄어듭니다.
" curvafitters"라는 단어는 나에게 익숙하지 않으며 Google은 이 스레드에 대한 링크를 제공했습니다.
당신이 너무 친절하고 나에게 알려진 말로 당신의 생각을 말하면 (또는 적어도 Google), 나는 확실히 당신에게 대답 할 것입니다.
이것은 예측을 사용하는 방법입니다. 그런 다음 한 사람이 예측을 했지만 어떻게 해야 할지 모릅니다. 나는 이미 다소 차분한 시장에서 대략 그러한 모델이 정상적으로 쟁기질한다고 썼습니다. 그러나 나는 오랫동안 높고 낮음을 찾는 것에 대해 더 걱정했습니다)))) 그래서 개인적으로 화면의 내 버전은 쓰레기입니다.
창 크기를 줄여야 하는데 창 크기를 선택하는 기준을 모르겠습니다.
EcoModel , 당신의 결과는 저를 기쁘게 하지 않았습니다. 나는 기존의 신경망과 비슷한 곡선을 얻었습니다. 그러나 이익이 없었습니다. 그래서 그들은 많은 말을 하지 않습니다.
조언자 없이 - 아무데도: 이 "거의 일치하는" 곡선을 보고 그것을 성배라고 생각한다면 어떤 결과도 얻지 못할 것입니다.
1. 예측과 현실의 차이를 탐색하고 합리적인 손절매를 실험적으로 선택하고 이익을 취하여 시스템을 수익성 있게 만들기 위해 (통계적으로 더 나은) 시도합니다.
2. 또 다른 옵션: 한 단계가 아니라 몇 단계를 예측하려고 합니다. 그런 다음 위의 첫 번째 항목을 수행합니다.
추신: 곧 누가 올지 압니다... 더 재미있을 것입니다.
모델은 R로 제작되어 관련 정보가 많습니다. 다음은 MSE 예측 오차 - 평균 입니다. 정사각형 오차 는 평균 제곱근 오차 입니다. 이것은 오차의 제곱입니다. 아래는 그래프지만 근을 추출하면 eurusd 수준에 버금가는 오차를 얻을 수 있다.
저것들. 최대 오류의 경우 - 비교할 수 있는 값은 0.001871입니다.
이제 깨달았습니다. 예측이 이 18핍을 초과하면 입력해야 합니까? 아니면 평균? 아니면 곧?
수동으로 선택합니다. 일반적으로 변수의 수에 따라 선택됩니다.